Documentos de Académico
Documentos de Profesional
Documentos de Cultura
En el modelo de efectos aleatorios, los niveles del factor son una muestra aleatoria
de una poblacin de niveles. Este modelo surge ante la necesidad de estudiar un factor
que presenta un nmero elevado de posibles niveles, que en algunas ocasiones puede ser
innito. En este modelo las conclusiones obtenidas se generalizan a toda la poblacin de
niveles del factor, ya que los niveles empleados en el experimento fueron seleccionados al
azar.
con la diferencia de que ahora i son variables aleatorias. Adems este modelo requiere que
las variables i y uij sean independientes y sigan distribuciones normales con media 0 y
varianza constante 2 y 2 , respectivamente. As, por la independencia entre las variables
i y uij , la varianza de cualquier observacin de la muestra, es decir, la varianza total,
denotada por 2T , vale
2T = 2 + 2 .
1
2 Modelos unifactoriales de efectos aleatorizados
cin1 . En este modelo, carece de sentido probar la hiptesis que se reere a los efectos de
tratamiento individuales y, en su lugar, debe realizarse el contraste:
H0 : 2 = 0
H1 : 2 > 0
Como en el modelo de efectos jos, consideremos las expresiones de yi. , yi. , y.. e y.. , en
funcin de los parmetros del modelo, con objeto de poder hallar las esperanzas de las
varianzas muestrales.
I I
1
y.. = N + ni i + u.. ; y.. = + ni i + u..
N
i=1 i=1
Al ser los efectos i variables aleatorias independientes entonces la condicin Ii=1 ni i = 0, del modelo
1
I
1
ST2 r = ni (yi. y.. )2 =
I 1
i=1
I I 2
1 1
ni + i + ui. nk k u.. =
I 1 N
i=1 k=1
I I 2
1 1
ni i nk k + (ui. u.. ) =
I 1 N
i=1 k=1
2
I I I
1 1
ni i nk k + ni (ui. u.. )2 +
I 1 N
i=1 k=1 i=1
I I
1
2 ni i nk k (ui. u.. ) ,
N
i=1 k=1
I I
1
2E ni i nk k (ui. u.. ) .
i=1
N
k=1
(4.2)
E ni nk i k = 0
i=k
4 Modelos unifactoriales de efectos aleatorizados
I
E i nk k = ni 2 .
k=1
Por lo tanto,
2
2
I I I I
nk k nk k
E ni i = ni E 2i +
N N
i=1 k=1 i=1 k=1
I
nk k
2 i =
N
k=1
I I
1
ni E 2i + 2 n2k 2k +
N
i=1 k=1
I I
1 2
nk nr k r i nk k =
N2 N
k=r k=1
I I
1 2
ni 2 + n2k 2 ni 2 =
N2 N
i=1 k=1
I
1
N2 n2i 2 .
N i=1
(4.3)
4.1 Modelo de efectos aleatorios no-equilibrado 5
2
I I ni I nk
1 1
E ni (ui. u.. )2 = ni E uij ukh =
ni N
i=1 i=1 j=1 k=1 h=1
2 2
1 1
ni E 2 uij + 2 ukh
ni N
i j k,h
1
2 uij ukh =
Nni j k,h
1 1 1
ni 2 + 2 2 2 =
i
n2i j
N2 Nni j
k,h
2 2
ni = I2 2 = 2 (I 1)
ni N
i
(4.4)
E( i ) = E(uij ) = 0 ,
entonces
1
E ni i nk k (ui. u.. ) = 0 (4.5)
N
i k
Por lo tanto, sustituyendo las expresiones (4.3), (4.4) y (4.5) en (4.2), tenemos
N2 n2i
1 1 i
E(ST2r ) = N2 n2i 2 + I2 2 = 2 + 2 . (4.6)
I 1 N N(I 1)
i
6 Modelos unifactoriales de efectos aleatorizados
2
1 1 2
E u2ij + uij uij uij =
N I
i,j
n2i j
ni
j
1 2 2 1
2 + 2 = N2 I 2 = 2 ,
N I ni ni N I
i,j
2 = SR
2
(4.8)
N(I 1)
2 = ST2 r SR
2
. (4.9)
N2 n2i
i
La seleccin de una opcin concreta depender del experimento analizado o del criterio
del investigador.
Para ilustrar el anlisis de la varianza unifactorial de efectos aleatorios (caso no-
equilibrado), vamos a resolver el Ejemplo 1-3.
8 Modelos unifactoriales de efectos aleatorizados
Ejemplo 4.1
En una forja se utilizan varios hornos para calentar muestras de metal. Se supone
que todos los hornos operan a la misma temperatura, aunque se sospecha que quizs sto
probablemente no sea cierto. Se seleccionan aleatoriamente tres hornos y se anotan sus
temperaturas en sucesivos calentamientos, obtenindose las observaciones que se muestran
en la Tabla 1-14.
Horno Temperatura
1 91.50 98.30 98.10 93.50 93.60
2 88.50 84.65 79.90 77.35
3 90.10 84.80 88.25 73.00 71.85 78.65
Tabla 1-15. Anlisis de la varianza para los datos del Ejemplo 1-3
Como el valor del estadstico de contraste, 8.62, es mayor que F0,05,2,12 = 3,89, se
rechaza la hiptesis de que todos los hornos operan a la misma temperatura.
A continuacin, aplicando el mtodo de las componentes de la varianza, obtenemos
que la estimacin de la varianza del error es
2 = SR
2
= 34,48
Por tanto, la varianza total (87.74) se descompone en una parte atribuible a la difer-
encia entre hornos (53.26) y otra procedente de la variabilidad existente dentro de ellos
(34.48). Comprobamos que en dicha varianza tiene mayor peso la variacin entre hornos,
en porcentaje un 60.70 % frente a la variacin dentro de los hornos, que representa el
39.30 % del total.
2 = SR
2
(4.10)
ST2 r SR
2
2 = (4.11)
n
Ejemplo 4.2
Una fbrica de textiles dispone de un gran nmero de telares. En principio, se supone
que cada uno de ellos debe producir la misma cantidad de tela por unidad de tiempo. Para
investigar esta suposicin se seleccionan al azar cinco telares, y se mide la cantidad de
10 Modelos unifactoriales de efectos aleatorizados
tela producida en cinco ocasiones diferentes. Se obtienen los datos de la tabla adjunta.
Telares Produccin
1 14.0 14.1 14.2 14.0 14.1
2 13.9 13.8 13.9 14.0 14.0
3 14.1 14.2 14.1 14.0 13.9
4 13.6 13.8 14.0 13.9 13.7
5 13.8 13.6 13.9 13.8 14.0
Del estudio se concluye que todos los telares tienen el mismo rendimiento?
Tabla 1-17. Anlisis de la varianza para los datos del Ejemplo 1-4
2 = SR
2
= 0,0148
ST2 r SR
2 0,0854 0,0148
2 = = = 0,014 ,
n 5
por tanto la estimacin de la varianza total es igual a
Comprobamos como en la varianza total tiene ms peso la variacin dentro de los telares,
51.18 %, que la variacin entre los telares, que representa el 48.82 % del total.
Bibliografa utilizada
Garca Leal, J. & Lara Porras, A.M. (1998). Diseo Estadstico de Experimentos.
Anlisis de la Varianza. Grupo Editorial Universitario.